scipyでオンザフライでクー・マトリックスを更新する

Question

サイトを検索した後、この問題の解決策が見つかりませんでした。そのシンプルな、私はすでに存在する疎なマトリックスを更新したいと思います。だから私はクー行列を開始したと言うことができます：

from scipy.sparse import coo_matrix 
import numpy as np 
row = np.array([0, 3, 1, 0]) 
col = np.array([0, 3, 1, 2]) 
data = np.array([4, 5, 7, 9]) 
a=coo_matrix((data, (row, col)), shape=(4, 4)).toarray() 
array([[4, 0, 9, 0], 
     [0, 7, 0, 0], 
     [0, 0, 0, 0], 
     [0, 0, 0, 5]]) 

ファインが、何を、私はちょうど空のまばらな配列をしたいと形状のみでそれを開始した場合、その後、値を何度も更新します。私が成功した唯一の方法は、私の古いものに新しいクオマトリックスを加えることです。

a=coo_matrix((4, 4), dtype=np.int8) 
a=a+coo_matrix((data, (row, col)), shape=(4, 4)) 
a.toarray() 
array([[4, 0, 9, 0], 
     [0, 7, 0, 0], 
     [0, 0, 0, 0], 
     [0, 0, 0, 5]]) 

そして私はこのスパースアレイを何度も更新したいと思います。しかし、これは、私が各更新のための関数を呼び出すので、かなり時間がかかります。よりよい方法が必要ですが、ドキュメントが少し明るい（少なくとも私が読んだもの）か、それを見ていないように感じます。

どうもありがとうございました

Answer 1

あなたはこのようクー行列を作るとき、それは（彼らは正しい型で提供される）行列の属性として、あなたの入力配列を使用しています。

A.colための同様

In [923]: row = np.array([0, 3, 1, 0]) 
    ...: col = np.array([0, 3, 1, 2]) 
    ...: data = np.array([4, 5, 7, 9]) 
    ...: A=sparse.coo_matrix((data, (row, col)), shape=(4, 4)) 
In [924]: A 
Out[924]: 
<4x4 sparse matrix of type '<class 'numpy.int32'>' 
    with 4 stored elements in COOrdinate format> 
In [925]: A.row 
Out[925]: array([0, 3, 1, 0]) 
In [926]: id(A.row) 
Out[926]: 3071951160 
In [927]: id(row) 
Out[927]: 3071951160 

、およびA.data。

表示と計算では、多くの操作がcoo形式では定義されていないため、マトリックスはおそらくcsr形式に変換されます。

coo形式では、取得または設定のためのインデックス作成が実装されていません。

lilフォーマットは、変更が容易になるように設計されています。 csrへのインデックス付きの変更も可能ですが、警告が表示されます。

しかし、cooは、新しい行列を構築するためによく使用されます。例えば、bmat形式では、コンポーネント行列のcoo属性が新しい配列に結合され、新しい配列が新しいcoo行列を構築するために使用されます。

cooを構築するための良い方法は、インクリメンタルあなたrow、col、およびdata配列に新しい値を連結しておくことであり、その後、定期的にそれらから新しいcooを構築します。

dok形式の更新の場合： How to incrementally create an sparse matrix on python?

putting column into empty sparse matrix

creating a scipy.lil_matrix using a python generator efficiently

Answer 2

を私が最初にそれがどのインデックス、またインデックス付きの割り当てをサポートしていないためcoo_matrixは、不変であると考えました。

言われていること

from scipy.sparse import coo_matrix 
import numpy as np 
row = np.array([0, 3, 1, 0]) 
col = np.array([0, 3, 1, 2]) 
data = np.array([4, 5, 7, 9]) 

a = coo_matrix((4, 4), dtype=np.int8) 
print(a.toarray()) 

a.row = row 
a.col = col 
a.data = data 
print(a.toarray()) 

は、このアプローチのために、より適している他のまばらなフォーマットがあるかもしれません。あなたが直接あなたの空のスパース行列の基本構造を変異させることができますが判明。